Descrizione del corso
Python è un linguaggio di programmazione molto diffuso, utilizzato da amministratori di sistema, data scientist e sviluppatori per creare applicazioni, eseguire analisi statistiche e addestrare modelli di AI/ML. Questo corso introduce il linguaggio Python e insegna agli studenti i concetti di base dell’apprendimento automatico e i diversi tipi di apprendimento automatico. Il corso aiuta gli studenti a sviluppare competenze fondamentali come l’utilizzo di Red Hat OpenShift AI per addestrare modelli di ML e come applicare le best practice durante l’addestramento dei modelli attraverso l’esperienza pratica.
Questo corso si basa su Python 3, RHEL 9.0, Red Hat OpenShift ® 4.14 e Red Hat OpenShift AI 2.8
Prerequisiti per accedere al corso
- È richiesta esperienza con Git
- È richiesta esperienza in Red Hat OpenShift o il completamento del corso Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288).
- È consigliata un’esperienza di base nei campi dell’intelligenza artificiale, della scienza dei dati e del machine learning.
Obiettivi del corso
Le organizzazioni raccolgono e archiviano grandi quantità di informazioni da più fonti. Con Red Hat OpenShift AI, le organizzazioni dispongono di una piattaforma pronta ad analizzare i dati, a visualizzare tendenze e schemi e a prevedere i risultati aziendali futuri utilizzando algoritmi di apprendimento automatico e di intelligenza artificiale.
Dopo aver seguito questo corso, comprenderete le basi dell’architettura Red Hat OpenShift AI. Sarete in grado di organizzare il codice e la configurazione utilizzando progetti di data science, workbench e connessioni dati. Sarete inoltre in grado di eseguire e testare il codice in modo interattivo utilizzando i notebook Jupyter. Questo corso è il punto di partenza per il percorso di apprendimento AI/ML in cui imparerete a creare e mantenere i flussi di lavoro AI/ML.
Programma del corso
Sintassi di base di Python
- Esplorare la sintassi e la semantica di base di Python
Componenti del linguaggio
- Comprendere le caratteristiche e gli operatori di base del flusso di controllo
Collezioni
- Scrivere programmi che manipolano dati composti utilizzando liste, insiemi, tuple e dizionari.
Funzioni
- Decomporre i programmi in funzioni componibili
Moduli
- Organizzate il vostro codice usando i moduli per ottenere flessibilità e riutilizzo.
Le classi in Python
- Esplorare la programmazione orientata agli oggetti (OOP) con classi e oggetti
Eccezioni
- Gestire gli errori di runtime utilizzando le eccezioni
Input e Output
- Implementare programmi che leggono e scrivono file
Strutture di dati
- Utilizzare strutture di dati avanzate come i generatori e le comprensioni per ridurre il codice boilerplate
Parsing di JSON
- Leggere e scrivere dati JSON
Debug
- Eseguire il debug dei programmi Python utilizzando il debugger Python (pdb)
Introduzione all’apprendimento automatico
- Descrivere i concetti di base dell’apprendimento automatico, i diversi tipi di apprendimento automatico e i flussi di lavoro dell’apprendimento automatico.
Formazione dei modelli
- Addestrare i modelli utilizzando i workbench predefiniti e personalizzati.
Migliorare l’addestramento dei modelli con RHOAI
- Utilizzare RHOAI per applicare le migliori pratiche di apprendimento automatico e scienza dei dati.
Il programma del corso è soggetto a modifiche in base alle innovazioni nelle tecnologie e all’evoluzione degli argomenti trattati. Per chiarimenti su obiettivi e specifici argomenti contatta: training@extraordy.com
